[發明專利]語音數據的處理方法、裝置、電子設備、存儲介質及產品

在審

• 申請號: 202111481429.3
• 申請日: 2021-12-06
• 公開（公告）號: CN113948084A
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 郭震;李智勇;陳孝良
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 王靜

本申請提供了一種語音數據的處理方法、裝置、電子設備、存儲介質及產品，屬于聲紋識別技術領域。方法包括：確定語音數據，所述語音數據為待處理的語音數據；確定所述語音數據對應的人群特征，所述人群特征用于表示所述語音數據的對象所屬的人群；從多個語音數據集合中，確定所述人群特征對應的目標語音數據集合，所述多個語音數據集合為基于人群特征劃分得到，且每個語音數據集合對應不同的人群特征；從所述目標語音數據集合中，確定與所述語音數據匹配的目標語音數據，所述目標語音數據的聲紋特征與所述語音數據的聲紋特征相匹配。該方法提高了對語音數據的處理效率。

技術領域

本申請涉及聲紋識別技術領域，特別涉及一種語音數據的處理方法、裝置、電子設備、存儲介質及產品。

背景技術

語音數據庫用于存儲多個已知身份信息的對象的語音數據，該語音數據庫用于為身份識別等提供數據支持。其中，在采集到新的語音數據后，將該語音數據的聲紋特征與語音數據庫中的每個語音數據的聲紋特征進行一一對比，以找到與該語音數據相匹配的目標語音數據，從而基于目標語音數據的身份信息，確定該語音數據對應的身份信息。

由于需要將語音數據的聲紋特征與語音數據庫中的每個語音數據的聲紋特征一一進行對比，而進行聲紋特征對比的過程復雜，使得對比耗時較長，從而導致語音數據的處理效率較低。

發明內容

本申請實施例提供了一種語音數據的處理方法、裝置、電子設備、存儲介質及產品，能夠提高語音數據的處理效率。所述技術方案如下：

一方面，提供了一種語音數據的處理方法，所述方法包括：

確定語音數據，所述語音數據為待處理的語音數據；

確定所述語音數據對應的人群特征，所述人群特征用于表示所述語音數據的對象所屬的人群；

從多個語音數據集合中，確定所述人群特征對應的目標語音數據集合，所述多個語音數據集合為基于人群特征劃分得到，且每個語音數據集合對應不同的人群特征；

從所述目標語音數據集合中，確定與所述語音數據匹配的目標語音數據，所述目標語音數據的聲紋特征與所述語音數據的聲紋特征相匹配。

在一種可能的實現方式中，所述語音數據對應的人群特征的確定過程包括：

將所述語音數據輸入聲紋識別模型，輸出所述語音數據對應的人群特征，所述聲紋識別模型用于識別所述語音數據對應的人群特征。

在一種可能的實現方式中，所述人群特征的數量為多個，所述聲紋識別模型中包括多個分類任務模塊，每個分類任務模塊用于獲取一個人群特征；

所述將所述語音數據輸入聲紋識別模型，輸出所述語音數據對應的人群特征，包括：

將所述語音數據輸入所述聲紋識別模型，基于所述多個分類任務模塊，確定所述語音數據對應的多個人群特征，輸出所述多個人群特征。

在一種可能的實現方式中，所述多個人群特征包括性別和年齡，所述多個分類任務模塊包括性別分類模塊和年齡分類模塊，所述將所述語音數據輸入所述聲紋識別模型，基于所述多個分類任務模塊，確定所述語音數據對應的多個人群特征，包括：

將所述語音數據輸入所述聲紋識別模型，分別基于所述性別分類模塊和年齡分類模塊，確定所述語音數據對應的性別和年齡。

在一種可能的實現方式中，所述聲紋識別模型的訓練過程包括：

將樣本語音數據輸入初始聲紋識別模型，輸出每個分類任務模塊對所述樣本語音數據的預測結果；

對于每個分類任務模塊，對比所述預測結果與所述樣本語音數據的標記結果，得到對比結果；

確定所述對比結果對應的第一損失值；